Python 索引器：索引5699超出大小为3944的轴0的界限

如果我输入它给我的任何用户ID，请提供帮助索引器错误：索引5699超出大小为3944的轴0的界限

    def get_recommendation_content_model(userId):
    """
    Calculates top movies to be recommended to user based on movie user has watched.  
    :param userId: userid of user
    :return: Titles of movies recommended to user
    """
    recommended_movie_list = []
    movie_list = []
    df_rating_filtered = q_metadata[q_metadata["userId"]== userId]
    for key, row in df_rating_filtered.iterrows():
        movie_list.append((q_metadata["title"][row["id"]==q_metadata["id"]]).values) 
    for index, movie in enumerate(movie_list):
        for key, movie_recommended in get_recommendations_based_on_genres(movie[0]).iteritems():
            recommended_movie_list.append(movie_recommended)

    # removing already watched movie from recommended list    
    for movie_title in recommended_movie_list:
        if movie_title in movie_list:
            recommended_movie_list.remove(movie_title)
    
    return set(recommended_movie_list)
get_recommendation_content_model(199)

---

索引器回溯（最后一次最近调用） 在里面 20 21返回集（推荐电影列表） --->22获取建议内容模型（199）

在获取推荐内容模型中（用户ID） 11电影列表。追加（（q_元数据[“标题”][行[“id”]==q_元数据[“id”]）。值） 12对于索引，枚举中的电影（电影列表）： --->13对于键，根据电影类型（电影[0]）获取电影推荐中推荐的电影。iteritems（）： 14推荐电影列表。附加（推荐电影） 十五

基于类型（电影标题、余弦模拟电影）的推荐 11 12#获取所有电影与该电影的配对相似性分数 --->13模拟电影分数=列表（枚举（余弦模拟电影[idx电影][0]）） 14#根据相似性分数对电影进行排序 15张模拟分数电影=已排序（模拟分数电影，键=λx:x[1]，反向=真）

索引器：索引5699超出大小为3944的轴0的界限

    def get_recommendation_content_model(userId):
    """
    Calculates top movies to be recommended to user based on movie user has watched.  
    :param userId: userid of user
    :return: Titles of movies recommended to user
    """
    recommended_movie_list = []
    movie_list = []
    df_rating_filtered = q_metadata[q_metadata["userId"]== userId]
    for key, row in df_rating_filtered.iterrows():
        movie_list.append((q_metadata["title"][row["id"]==q_metadata["id"]]).values) 
    for index, movie in enumerate(movie_list):
        for key, movie_recommended in get_recommendations_based_on_genres(movie[0]).iteritems():
            recommended_movie_list.append(movie_recommended)

    # removing already watched movie from recommended list    
    for movie_title in recommended_movie_list:
        if movie_title in movie_list:
            recommended_movie_list.remove(movie_title)
    
    return set(recommended_movie_list)
get_recommendation_content_model(199)